如果你部署過任何需要操作真實網(wǎng)頁的AI代理，一定見過這種場景：第一次運(yùn)行，加載首頁，找到搜索框，搞懂分頁規(guī)則，完成任務(wù)。第二次運(yùn)行，同一個網(wǎng)站，同樣的任務(wù)，從零開始重新摸索。模型只有單次運(yùn)行的上下文窗口，運(yùn)行之間沒有筆記本。

這就是"健忘稅"。運(yùn)行十次無所謂，但如果每周對同一個網(wǎng)站運(yùn)行一萬次，成本就失控了。解決辦法不是換更聰明的模型，而是給已經(jīng)想明白的東西找個地方存起來。

Browserbase五月初開源的Autobrowse就是這個思路。4月22日Shrey Pandya首次預(yù)告，5月6日Kyle Jeong發(fā)布細(xì)節(jié)。你給代理一個真實網(wǎng)站的任務(wù)，它端到端運(yùn)行，分析自己的執(zhí)行軌跡，優(yōu)化，再跑。三到五輪后，運(yùn)行效果不再提升——這叫收斂。Autobrowse把收斂后的方案升級成可復(fù)用的SKILL.md，外加工作流需要的輔助腳本。

這個模式借鑒了Andrej Karpathy的Autoresearch：一個可編輯文件、一個指標(biāo)、一個限時循環(huán)。Browserbase把這個循環(huán)對準(zhǔn)了網(wǎng)站。關(guān)鍵不是循環(huán)做了什么，而是它留下了什么。

不是聊天記錄，不是執(zhí)行 transcript。SKILL.md是一份結(jié)構(gòu)化操作指南，由代理寫給下一個接手的人或AI。

以Craigslist為例，這份文件記錄了一個未公開的sapi.craigslist.org JSON端點、強(qiáng)制要求的Referer請求頭、能覆蓋IP地理位置的郵政編碼參數(shù)、分類枚舉值、分頁批次大小，以及哪些社區(qū)查詢會出問題。這些都不在Craigslist官方文檔里，是代理從網(wǎng)絡(luò)流量里挖出來的。

下一個代理不需要再推理Craigslist怎么工作，直接讀文件、調(diào)接口就行。成本變化很直觀：Craigslist抓取從0.22美元降到0.12美元，表單填寫從1.40美元降到0.24美元。

最夸張的案例是政府撥款網(wǎng)站。Autobrowse運(yùn)行時注意到網(wǎng)絡(luò)流量里有個未公開的JSON端點，一次調(diào)用就能返回所有當(dāng)前撥款。原本28頁的分頁，壓縮成一次請求。人類爬蟲在這個網(wǎng)站上跑了幾年都沒發(fā)現(xiàn)。

解鎖關(guān)鍵不是更聰明的模型，而是一個Markdown文件。